為什麼 AI 幫你寫程式越快，你反而越危險？
想像一下，你現在有個超級助手，以前你要花一週才能寫完的功能，現在用 ChatGPT 或 Claude 只要 10 分鐘就搞定了。你覺得自己變強了，老闆也覺得你效率爆表，對吧？
但這裡有個巨大的陷阱：程式碼（Code）就像房子的管線，寫出來的那一刻只是開始，真正的痛苦在於後續的「維護」。
你可以把「維護」想成是房子的日常保養。如果你為了快，隨便把水管亂接、電線亂拉，雖然房子很快蓋好且能住，但一年後水管漏水、電線短路時，你會發現根本找不到問題出在哪，最後得把整面牆拆掉才能修好。
在程式世界裡，維護就是：修 Bug、清理冗餘代碼、更新過期的套件（Dependency Upgrades）。如果你用 AI 把產出速度提升了 3 倍，但維護成本沒有降低 3 倍，你其實不是在增加生產力，而是在幫未來的自己「欠債」。
算一筆帳：維護成本如何吃掉你的時間
我們來做個簡單的數學題。假設你問了 50 個資深工程師，他們可能會告訴你一個殘酷的現實：
- 第一年： 每寫一個月的 code，之後一年得花 10 天 來維護它。
- 之後每年： 每年還要花 5 天 持續維護這段 code。
這意味著，如果你在第一個月瘋狂用 AI 產出大量功能，你的第二個月、第三個月會感覺很爽，但到了第二年，你會發現你每天的時間都被「修舊東西」佔滿了，完全沒時間開發新功能。
根據數據模型，如果維護成本維持原樣，你的生產力會隨著時間快速下滑。在最糟糕的情況下，可能不到 10 個月，你 50% 的工作時間就變成在「救火」，而不是在「創造價值」。
怎麼讓 AI 幫你「減債」而不是「增債」？
既然 AI 寫 code 這麼快，我們應該把省下來的時間，花在**「讓 code 變得更好維護」**上。不要只叫 AI 「寫出能跑的程式」，你要把它當成一個需要被監督的實習生。
你可以試試這 3 個具體做法：
1. 要求「極簡主義」，拒絕冗贅
很多 AI 為了確保程式能跑，會寫很多重複或過於複雜的邏輯。這就像點餐時，你只要一份蛋炒飯，AI 卻給你加了 10 種你不需要的配料，雖然豐富，但清理起來很麻煩。
你可以這樣對 AI 說：
「請幫我實現 [功能名稱]，但請使用最簡潔、最易於維護的結構。請避免過度設計（Over-engineering），如果能用 10 行完成，不要寫 30 行。」
2. 強制 AI 寫「給人類看」的註解
AI 寫的 code 有時候像天書，跑得起來但沒人看得懂。這就是維護成本最高的地方：當你三個月後回來修 Bug，卻發現自己根本看不懂當時 AI 寫了什麼。
你可以這樣對 AI 說：
「請在關鍵邏輯處加上詳細的註解。請想像你在教一個大學一年級的學生，解釋為什麼選擇這個方法，以及這段 code 的潛在風險是什麼。」
3. 進行「維護成本」壓力測試
在貼上 code 之前，多問 AI 一個問題，讓它扮演「挑剔的審核員」。
你可以這樣對 AI 說：
「如果你是這段程式碼的維護工程師，你覺得未來一年最容易在什麼地方出錯？有沒有更簡單的替代方案可以降低未來的維護成本？」
總結：生產力 $
eq$ 產出量
在台灣很多公司追求快，但真正的頂尖工程師追求的是「簡單」。
- 低手： 用 AI 快速寫完 $ ightarrow$ 趕快交差 $ ightarrow$ 半年後系統崩潰 $ ightarrow$ 加班修到死。
- 高手： 用 AI 快速寫完 $ ightarrow$ 花時間要求 AI 精簡 $ ightarrow$ 加上完美註解 $ ightarrow$ 兩年後依然輕鬆。
記住，AI 應該是用來減少你的維護成本，而不是幫你快速製造更多垃圾。下次打開 ChatGPT 寫 code 時，記得多花 2 分鐘要求它「寫簡單一點」。
現在就打開 ChatGPT，把你最近寫的一段複雜 code 貼回去，問它：「這段 code 怎麼改才能讓維護成本降低一半？」試試看吧！
